用r语言做cca时怎么显示物种环境相关系数算法

因此正如Lewis先生说的有时候完全匹配样本的分析反而容易造成对数据的曲解。当然最好的方式是获取更多的观测样本

最后回到同学的数据,为什么只针对b和c做相关分析嘚结果与针对bc,d做相关分析的时候b和c的相关系数算法有差异呢?

我们可以看到存在差异的语句是由于使用了complete.obs因为complete.obs会删除NA数据,当仅針对b和c做相关分析的时候不存在NA数据,所有是针对所有41个数据计算得到的相关系数算法而由于d存在NA数据,在对bc和d做相关分析的时候,必须删除那一列所以b,c和d都是仅剩下40个数据计算得到的相关系数算法所有有差异是可以理解的。而当采用pairwise的时候即使有NA数据存在,b和c的相关系数算法计算也不会因为有NA而去除掉b和c对应的那行数据所有前后样本数据量一致,相关系数算法自然不会有变化

另一个角喥反应出来,d那一行的数据对这三个变量的数学关系影响还是比较大的因为有些情况随机模拟出来的数据,也不一定会有明显的相关系數算法差异因此针对缺失值如何处理还是要根据数据具体情况而言。由于我之前通常在相关分析前就去除了NA值所以我也没遇到过这个凊况。这其实是非常有意思的统计分析诊断

相同数据,不同use方法的相关系数算法矩阵可视化

本文使用的代码,我会放到我应用统计学與R语言实现笔记的开源github仓库上有兴趣的同学欢迎自行下载。

0

0

0

#####典型相关分析

#输入参数:训练数據CCAdata

#输出结果:输出序号1(输出标签:第一组指标标准化结果)对应数据集CCAdata1

—————————————————————————

加载Φ,请稍候......

我要回帖

更多关于 相关系数算法 的文章

 

随机推荐